基于Logit模型的A股上市公司数据判断分析
Ｎｏ．１７，２０１１ 现代商贸工业 Ｍｏｄｅｒｎ Ｂｕｓｉｎｅｓｓ Ｔｒａｄｅ Ｉｎｄｕｓｔｒｙ ２０１ｉ年第１７期
基于Ｌｏｇｉｔ模型的Ａ股上市公司数据判断分析
吴 俊
（江阴兴澄特种钢铁有限公司，江苏江阴２１４４２９）
摘 要：采用Ｌｏｇｉｔ模型，并考虑到上市公司公开披露信息的可取性，筛选若干个常用的财务数据，获取具有代表性的 指标，经过严格的实证数据测试，建立了上市公司财务预警的Ｌｏｇｉｔ模型 关键词：上市公司；数据判断；Ｌｏｇｉｔ模型 中图分类号：Ｆ８３ 文献标识码：Ａ
１ 引言
随着我国证券市场的日益规范化，根据在客观、公允基
础上披露的上市公司的财务报告，通过构造合理的预测模 型，获得对那些财务状况出现严重恶化的上市公司的预警
信号，对于有关方面毋庸置疑地具有现实意义。 本文在借鉴现有研究成果的基础上，以财务理论和
Ｌｏｇｉｔ模型为基础，选取一系列较为全面的财务指标，构建
财务预警模型，用模型对上市公司发生财务困境的概率进
行预测，即对我国Ａ股上市公司数据判断分析。
２模型介绍
Ｌｏｇｉｔ模型是最早的离散选择模型，在本文中，建立这
样的一个Ｌｏｇｉｔ模型：
设事件Ｙ代表上市公司是否出现财务困境，Ｙ一１代表
发生财务困境，Ｙ一０代表未发生财务困境，事件Ｙ依赖另
一个不可观测的变量Ｖ，即Ｖ—ｆ（Ｘ），设其为线性形式：Ｖ一
８Ｘｉ＋￡ｉ。 假设当Ｙ一１时等价于Ｖ＞＾＿Ｏ，当Ｙ一０时等价于Ｖ≤０。
因此事件Ｙ发生的概率为：Ｐ（Ｙ一１）＝Ｐ（Ｖ＞＿ＩＯ）＝Ｐ（ｅｉｋ－一
ＢＸｉ）。 为了根据一定的样本估计Ｖ，需要为 选择一定的概
率分布函数，这里选择逻辑（Ｌｏｇｉｓｔｉｃ）分布，得到Ｌｏｇｉｔ分析
模型，Ｌ。ｇｉｔ模型假定的概率分布函数为：Ｆ（ｔ）一雨ａｔ。
由Ｆ（一ｔ）一１一Ｆ（ｔ），可得：
ｐ（ｙ－－１）一Ｐ（Ｖ卜Ｏ）＝Ｐ（Ｅｉ卜一１３Ｘｉ）一１一ｐ（￡；≤一
ｐＸｉ） １一Ｆ（一ｐＸｉ）一Ｆ（ｐＸｉ 则第ｉ个样本点发生财务困境的概率为：Ｐ（Ｙ一１）一
ｅｇＸｉ 蕊。
当第ｉ个样本点为发生财务困境的公司时，Ｙｉ一１；当第
ｉ个样本点为未发生财务困境的公司时，Ｙｊ＝０，Ｘｉ一（ ， Ｘｉｚ，……ＸｉＫ），为第ｉ个样本点的预测变量，其中８为待估计
参数，根据样本数据通过迭代可以求出Ｂ的极大似然估计
值。 Ｌｏｇｉｔ模型的最大优点：不需要严格的假设条件，不需
一１５４一 文章编号：１６７２－３１９８（２０１１）ｌ７－０ｌ５４－０２
要满足正态分布和两组协方差矩阵相等的条件，可操作性
强，应用方便。
３数据和指标选取
（１）数据采集。
本文的研究对象来源于上市公司，所选取的样本公司
的数据主要来自于证券交易软件 把Ａ股上市公司中的 ＳＴ公司定义为“财务困境”公司，其样本是２０１０年被罚ＳＴ
的Ａ股公司，剔除数据不全的公司和金融类公司，最终得到 ４７个ＳＴ公司样本 为了保证样本的对称性，对每一个ＳＴ
公司，根据资产规模匹配的原则挑选一个对应的非ＳＴ公
司，每对样本的总资产规模的差异在１Ｏ 之内，由此得到４７
个非ＳＴ公司，最终得到一共９４个样本点。
本文采用２００８年的财务数据来建立模型，用来预测这 些公司在２０１０年是否会因为出现财务困境而被ＳＴ，通过这
样处理数据，可以在一定程度上缓解高估模型预测能力的
问题。 在选取的９４家上市公司中，随机挑选６Ｏ家公司作为训
练组，其中包括３Ｏ家ＳＴ公司和３Ｏ家非ＳＴ公司，用训练组
的数据来估计模型；剩下的３４家公司作为预测组，包括１７ 家ＳＴ公司和１７家非ＳＴ公司，用预测组的数据来检验模型
的预测能力。 （２）指标选取。 为全面反映上市公司的财务状况，本文选取了ｌ５个备
选指标：销售毛利率、净资产收益率、净利润增长率；资产负
债比率、每股净资产、股东权益比率；应收账款周转率、存货
周转率、总资产周转率；每股经营活动现金流量、净利润现
金含量、经营活动现金流量与净利润比；净资产增长率、主
营业务收入增长率、税后利润增长率。
为了保证变量选择的正确性，对这ｌ５个变量分别进行
单变量组间均值相等检验，得出的结果如下：
从表１可以看出，有６个指标的显著性水平Ｐ＜０．０５，
可以认为这６项指标对ＳＴ公司和非ＳＴ公司的区分能力较
好。这些指标依次为：（ｘ２）净资产收益率、（ｘ４）资产负债比
率、
（ｘ５）每股净资产、（Ｘ６）股东权益比率、（ｘｇ）总资产周转 Ｎｏ．１７，２０１１ 现代商贸工业 Ｍｏｄｅｒｎ Ｂｕｓｉｎｅｓｓ Ｔｒａｄｅ Ｉｎｄｕｓｔｒｙ ２０１１年第１７期
率、（ＸｌＯ）每股经营活动现金流量。下面利用这６项区分能
力较强的指标作为建模变量。
表１ 单变量组间均值相等检验
指标 ｔ值 Ｆ值 ｄｆｌ ｄｆ２ 显著性水平 （Ｘ１）销售毛利辜 一０．８８７４ ０．７８７５ １ ９２ ０．３７７２ （Ｘ２）净资产收益率 ——２．５４１５ ６ ４５９２ １ ９２ ０．０１４４ （Ｘ３）净利润增长率 一０．４５０６ ０．２０３１ １ ９２ ０．６５３３ （Ｘ４）资产负债比率 ４ ３４５３ １８．８８１４ １ ９２ ０．００００ （ｘ５）每股净资产 一８．７８０１ ７７．０８９９ １ ９２ ０．００００ （Ｘ５）股东权益比率 一４．５４５５ ２０．６６１５ ｌ ９２ ０．００００ （Ｘ７）应收账款周转率 一１．３２７８ １ ７６３１ １ ９２ ０．１８７５ （ｘ８）存货周转率 一１．５６２５ ２ ４４１４ １ ９２ ０．１２１６ （ｘ９）总资产周转率 一３．２０９９ １０．３０３６ ｌ ９２ ０．００１８ （Ｘｌ０）每股经营活动现金流量 一４．０３９８ １６．３２Ｏ１ ｌ ９２ ０．０００ｌ （ＸＩＩ）净利润现金古量 一０．３４３６ ０．Ｉ１８１ １ ９２ ０．７３１９ （ＸＩ２）经营话动现金流量与净利润比 一Ｉ．４００５ １．９６１４ １ ９２ ０．１６４７ （Ｘ１３）净资产增长率 一１．０９９４ １．２０８６ ｌ ９２ ０．２７４５ （Ｘ１４）主营业务收人增长率 １．０９６０ １．２０１３ １ ９２ ０．２７５９ （Ｘ１５）税后利润增长事 一０．４５０６ ０．２０３１ ｌ ９２ ０．６５３３
４ 实证分析
（１）模型估计。 本文的数据处理采用的是Ｅｖｉｅｗｓ６．０软件，将选取的
６Ｏ个样本数据输人软件中，利用Ｌｏｇｉｔ模型进行估计，得到
的估计结果如下： 表２ Ｌｏｇｉｔ模型估计结果
ｖａｒｉａｂｌｅ Ｃｏｅｆｆｉｅｉｅｎｔ Ｓｔｄ．Ｅｒｒｏｒ ￡一Ｓｔａｔｉｓｔｉｅ Ｐｒｏｂ． Ｃ １１．１３９７１ １５．５２３６６ ０．７１７５９６ ０．４７３０ （ｘ２）净资产收益隼 一０ ０８６９９６ ０．０４４５８４ —１．９６１２６１ ０．０５１０ （ｘ４）资产负债比率 一０．００５７６８ ｏ．１６６６７６ —０．０３４６０４ ０．９７２４ （ｘ５）每股净资产 一３．１４４１４５ １．４８７１３９ —２ ｌ１４２２４ ０．０３４５ （ｘ６）股东权益比率 一０．１ｌ２７９２ ０．１４７６８２ —０．７６３７４６ ０．４４５０ （ｘｇ）总资产周转率 一ｌ＿８９４４４４ １．５１８７９８ —１．２４７３３２ ０．２１２３ （ＸｌＯ）每股经营活动现金流量 一３．６６６６８８ ２．２５２８９５ —１．６２７５４５ ０．１０３６ ＭｅＦａｄｄｅｎ Ｒ—ｓｑｕａｒｅｄ ０．７９２０３８ Ｍｅａｎ ｄｅｐｅｎｄｅｎｔ ｖｓｒ ０．５０００００ ＆Ｄ．ｄｅｐｅｎｄｅｎｔ ｖａｒ ０．５０４２１９ Ｓ．Ｅ．ｏｆ ｒｅｇｒｅｓｓｉｏｎ ０．２１４８７５ Ａｋａｉｋｅ ｉｎｆｏ ｃｒｉｔｅｒｉｏｎ ０．５２１６３０ Ｓｕｍ ｓｑｕａｒｅｄ ｒｅｓｉｄ ２．４４７０８０ Ｓｃｈｗａｒｚ ｃｒｉｔｅｒｉｏｎ Ｏ．７６５９７０ Ｌｏｇ ｌｉｋｅｌｉｈｏｏｄ 一８．６４８９０４ Ｈａｎｎａｎ—Ｑｕｉｎｎ ｅｒｉｔｅｒ． ０ ６１７２０５ Ｒｅｓｔｒ．１ｏｇ ｌｉｋｅｌｉｈｏｏｄ 一４１．５８８８３ ＬＲ ｓｍｔｌｓｔｉｅ ６５，８７９８５ Ａｖｇ．１ｏｇ Ｉｉｋｅｌｉｈｏｏｄ 一０．１４４１４８ Ｐｒｏｂ（ＬＲ ｓｔａｔｉｓｔｉｃ） ０．００００００ ０ｂｓ ｗｉｔｈ Ｄｅｐ＝０ ３Ｏ Ｔｏｔａｌ ｏｂｓ ６Ｏ ０ｂｓ ｗｉｔｈ Ｄｅｐ＝１ ３０ 根据估计结果可以得到Ｌｏｇｉｔ模型如下： 判断为ＳＴ公司，如果计算得出的Ｐ小于０．５，则判断为非
ＳＴ公司。通过Ｅｖｉｅｗｓ ６．０软件的预测功能，得出这３４个
样本公司的Ｐ值如下： 表３预测组预测结果及验证
预测值 预测结果 实际值 预测值 预测结果 实际值 ｏ．９９９９７４ １ １ ０．ｏ１７０５２ Ｏ Ｏ ０．００２４６２ ０ ｌ １．２ＯＥ一０７ ０ Ｏ Ｏ．９３２７０６ １ １ ０．１４０５０９ Ｏ Ｏ ０．８４０６１８ １ １ ０．９９９９５５ １ Ｏ １ １ １ ０．０００８７ Ｏ Ｏ ０．３３０９５３ Ｏ １ ０．３８４７５８ Ｏ Ｏ １ １ １ ０．０３１７８５ ０ ０ １ １ １ ３．９７Ｅ一０９ ０ Ｏ １ １ １ ０．０２２６６２ ０ ０ ０．９９９７６６ １ １ ０．０４８１３９ ０ ０ ０．９２０３３８ １ １ ２．０５Ｅ一０９ ０ ０ ０．９９２７９４ １ １ ３．９３Ｅ—Ｏ８ Ｏ Ｏ ０．４０６４６８ ０ １ １．０１Ｅ—Ｏ６ ０ Ｏ ０．８７５８０４ １ １ ０．３７２４６６ Ｏ ０ ０．９２０４２１ １ １ ０．０００４４３ ０ ０ ０．００６６０３ Ｏ １ １．９４Ｅ—Ｏ５ ０ ０ １ １ １ ０．０００１２６ ０ Ｏ
由表３可知，在对１７个ＳＴ公司的预测中，有４个预测
错误，１３个预测正确；在对１７个非ＳＴ公司的预测中，有１
个预测错误，１６个预测正确。其具体分析如下
表４模型预测分类表
预测值 观测值 ＳＴ（１） ＳＴ（０）Ｊ合计ｌ准确率 ＳＴ（１） １３ Ｉ ４ Ｉ １７ ｌ ７６．５０％ 非ＳＴ（０） １ ｌ １６ ｌ １７ Ｉ ９４．１０ 总准确率 ８５．３０ 由表４可看出，模型准确率较高，可应用于实际中。
５ 结论
本文选取２００８年和２０１０年的财务数据，利用Ｌｏｇｉｔ模 型对上市公司是否面临财务困境进行了实证分析，利用训 ｌ“ｒ ＝１１．１３９７一ｏ．０８７０Ｘ２一ｏ．００５８Ｘ４—３．１４４１Ｘ５ 练组的６ｏ个样本数据得出回归方程，然后用回归方程对预
１－ｑ－ｅ一（１１・１３９７一ｎ ｏ８７ｏｘｚ—ｏ・ｏｏｓｓｘ，一３・１４４１Ｘｓ一０．Ｉ１２８Ｘｓ一１－８９４４Ｘ９～３．６６６７Ｘｌｏ）。
（２）模型预测及准确性检验。
在检验的过程中，令概率Ｐ＝０．５为概率的阈值，将预 测组的数据带入回归方程中，如果计算得出的Ｐ大于０．５， 测组的３４个样本数据进行预测，从而判断模型的有效性。
通过实证，从模型的预测结果来看，预测的总体正确率
为８５．３ ，说明方程的预测能力较强，得出的结果比较理
想。这说明了Ｌｏｇｉｔ模型在预测公司发生财务困境方面是
有效的，可以利用Ｌｏｇｉｔ模型来对Ａ股上市公司数据判断是 否发生财务困境进行预测，从而帮助公司经营者调整经营
基于Logistic模型的上市公司风险预警研究【文献综述】
毕业论文文献综述
会计学
基于Logistic模型的上市公司风险预警研究
1 财务风险的概念
目前对“财务风险”的概念没有统一的定义，大致分为广义的财务风险和狭义的财务风险。
狭义的财务风险通常指筹资风险，即企业由于举债而给企业财务成果（企业利润或股东收益）带来的不确定性。汪平（2003）认为企业的财务风险是由筹资活动引起的，企业借入资金，必须按时支付利息，如果在未来偿债能力不确定的情况下借入资金，就会给企业带来风险。也就是说企业在生产经营中负债规模越大，风险程度越大；没有负债的企业，则不存在财务风险。
广义的财务风险借助于对风险概念来对财务风险进行界定的。向德伟（1995）认为财务风险对于每一个企业都是客观存在的，且对于企业的盈亏与否、经营状况如何具有举足轻重的作用，要完全消除风险及其影响是不现实的。
由此可见，广义的财务风险从企业理财活动全过程和财务的整体观念透视财务本质，能更全面的解释企业的财务风险。广义的财务风险是指企业由于经营环境及各种难以预计或无法控制的因素，在一定时期内，实际的财务收益与预期财务收益发生偏离，从而蒙受损失的可能性。贯穿于企业各个财务环节，是各种风险因素在企业财务上的集中体现，包括筹资风险、投资风险、经营风险和收益分配风险四种风险。
2 国内外财务风险预警模型的研究
自20世纪60年代以来，国内外专家学者对企业财务风险防范预警的研究呈现不断发展的趋势。在风险防范的发展的过程中，由于目标、风险范围、前提条件的不同，形成了不同的学说。一般说来，判别财务风险的方法有定性法和定量法。定性法是以银行等金融机构对客户进行信用风险评价时采用的要素分析法为代表。相比定性分析研究，定量分析法的研究比较成熟。
2.1 国外财务风险预警模型的研究 最早的财务预警研究可追溯至Fitzpartrick（1932）开展的单变量破产预测。其后，Beaver（1966）运用统计方法建立了单变量财务预警模型。分别选择了79家1954-1964年财务困境企业和非财务困境企业。比弗选出了5个财务比率（1、债务保障率=现金流量/债务总额2、资产收益率=净收益/资产总额3、资产负债率=负债总额/资产总额4、资产安全率=资产变现率/资产负债率5、资产变现率=资产变现金额/资产账面价值）进行一元判别分析，根据观察值的预测能力大小，发现随着时间的发展，误判率越低，预测能力越强。其中，负债保障率（即现金流量与负债总额的比率）能够最好地判别企业的财务状况（误判率最低），其次是资产负债率。所以在跟踪考察企业时，应对上述比率的变化趋势予以特别的关注。
基于logistic回归的上市公司财务危机预警模型
基于ｌｏｇｉｓｔｉｃ回归的上市公司财务危机预警模型
【摘要】为了建立合理有效的财务危机预警模型，本文选择了代表公司财务健康状况的18个指标作为备选预警指标，并运用logistic过程中逐步回归的方法从中选择了3个对因变量影响显著的财务指标。用容许度（TOL）和方差膨胀因子（VIF）两个指标对3个财务指标进行多重共线性检验。在多重共线性不显著的情况下，对符合条件的财务数据进行logistic回归，得到了财务危机预警模型。最后通过回代判定，发现这个模型具有较高的预测准确性。
一、财务危机预警研究概述
企业财务危机是一个连续的动态过程，并直接表现为绩效指标的恶化，因此可通过一定的财务指标来构造企业的财务预警模型。从现实情况来看，股票投资者、债权人和政府监管机构对企业财务危机预测具有很大的需求，这些需求推动了财务危机预警研究的不断深化。
国外对于财务预警模型的研究相对比较成熟，早在1966年，Beaver就运用单变量判定分析研究公司财务危机问题；Altman（1968）最早运用多变量线性判别分析（Multiple Discriminate Analysis）探讨企业危机预测问题，其发现最具解释能力的5个财务比率分别为：营运资金/总负债、保留利润/总资产、息税前利润/总资产、权益市价/总负债和销售收入/总资产。Altman、Haldeman和Narayanan（1977）继续对Altman（1968）的原始模型修正和补充，提出一个“新Zeta模型”。随着统计技术和计算机技术的不断发展，递归分类、人工智能及人工神经元网络等技术也逐渐被引入到财务危机预警模型中。
近年来，随着公司破产数量的增多，国内学者对公司财务危机预警模型的研究也越来越多：1999年，陈静发表了《上市公司财务恶化预测的实证分析》，该文将1998年年报后被特别处理（ST）的27家上市公司定义为财务危机公司。陈瑜在2000年发表了《对我国证券市场ST公司预测的实证研究》一文（《经济科学》，2000年6月），该文以1999年底前曾被特别处理（ST）的58家上市公司为样本进行了分析。吴世农、卢贤义（《我国上市公司财务困境的预测模型研究》，《经济研究》）以1998～2000年发生ST的70家上市公司为研究对象，结果表明（1）在财务困境发生前2年或1年有16个财务指标的信息时效性较强，其中净资产报酬率的判别成功率较高；（2）模型在财务困境发生前能做出较准确的预测，且在财务困境发生前4年的误判率在28%以内；（3）相对同一信息集而言，Logistic预测模型的误判率最低，财务困境发生前1年的误判率仅为6.47%。
基于 Logistic模型的中国制造业上市公司信用风险评估
基于 Logistic模型的中国制造业上市公司信用风险评估
摘要：制造业在国民经济体系中具有重要地位，制造业上市公司作为我国商业银行的重要客户，其信用违约将会对我国的商业银行乃至社会经济带来危机。本文以我国在A股成功上市的2237家制造业公司作为研究对象，采用主成分分析、因子分析法以及Logistic回归模型，对14个具有代表性的财务指标进行分析，构建我国制造业上市公司的信用风险评估模型。最后，提出有关行业信用风险管理水平、信息数据库的建立以及改善宏观环境等方面的建议，加强我国制造业上市公司的信用风险评估，促进我国制造业健康稳定的发展。
关键词：制造业上市公司；信用风险评估；主成分分析；因子分析；Logistic模型
一、引 言
制造业在国民经济体系中具有重要地位。制造业所产生的信用风险问题，可能会对我国商业银行、国民经济发展带来一系列连锁问题。近年来，我国制造业规模不断扩大，对资金的需求日益增多。随着我国人口红利逐步减弱，制造业面临着劳动力不足和成本上升的压力，再加上市场环境复杂和市场需求的多变，制造业公司抵抗风险的能力较弱。不断增加的贷款需求和不断暴露出的信用风险问题将会对我国的商业银行乃至社会经济带来严重影响。因此，构建适用于研究我国上市制造业公司信用风险的评估模型和指标评价体系，能够更加科学地衡量企业的信用风险，促进对我国制造业稳定持续的发展。
二、文献综述
我国学者对制造业信用风险度量问题研究主要集中在：模型的选择、指标体系的建立以及实证研究。众多学者选择不同模型来对制造业公司的信用风险进行评估，Ｚ模型、KMV模型、主因子分析方法和Logistic回归模型等。张传新（2010）才用Ｚ模型对我国制造业公司的信用风险进行评估研究，却发现该模型在我国的判别效果明显比较弱。邹薇（2014）运用修正后的KMV模型，结果表示该模型预测的正确率为75.56%。在众多学者研究的背景下发现，就准确性而言，单变量判定模型分析与多元线性回归模型已无法满足需求，现代信用风险评估模型的适用性较差。因此，本文以中国的上市制造业公司为研究对象，采用主因子分析法和Logistic回归模型对公司的四大类财务指标进行实证分析，从而对制造业公司的信用风险进行评估。
房地产公司财务指标与股票价格关联性的实证分析——基于Logistic回归模型
房地产公司财务指标与股票价格关联性的实证分析——基于Logistic回归模型
房地产行业一直以来都是国民经济中的重要支柱，在过去几十年里，中国的房地产市场经历了快速而巨大的发展。随着经济的快速增长和人民生活水平的提高，人们对于住房需求的增长变得越发迫切。同时，房地产公司作为该行业的重要参与者，其财务状况和业绩表现也备受市场关注。
本文旨在通过对房地产公司财务指标与股票价格关联性的实证分析，探讨其在投资决策中的作用。为了实现这一目标，我们将运用Logistic回归模型作为主要的研究方法，并通过收集和分析大量的样本数据来进行实证研究。
首先，我们需要确定研究的变量。在本文中，我们选择了一系列与房地产公司财务状况和业绩相关的指标，包括净利润率、总资产报酬率、销售收入增长率、资产负债率等。另外，我们还选择了股票价格作为研究的因变量，用于衡量市场对房地产公司股票的评价。
接下来，我们将收集所需要的数据。为了保证研究的可靠性和准确性，在数据采集过程中，我们将尽量选择权威的、经过审核的公开数据，如财务报表、年报和公告等。此外，为了增加样本的多样性，我们将选择不同规模、不同地区和不同类型的房地产公司作为样本。
然后，我们将通过数据分析的方法来探究财务指标与股票价格之间的关联性。首先，我们将进行描述性统计分析，以了解各个变量的基本情况和特征。然后，我们将进行相关性分析，通过计算相关系数来衡量变量之间的关联性。最后，我们将应用Logistic回归模型，来对财务指标和股票价格之间建立预测模型。
在实证分析的过程中，我们将考虑多个因素对房地产公司财务状况和股票价格的影响，如宏观经济环境、行业竞争状况、政策变化等。通过对这些因素的综合分析，我们可以得出一些实用的结论和建议，以指导投资者在房地产领域的投资决策。
最后，我们将总结本文的研究结果，并对研究方法和数据的局限性进行讨论。虽然本文的结果可能会受到多种因素的影响，但通过本次实证研究的分析，我们仍然可以为投资者在房地产行业的投资决策提供一定的参考依据。
基于上市公司财务数据的企业信用风险预测Logistic模型研究
基于上市公司财务数据的企业信用风险预测Logistic模型研究
闫炳琪;赵月瑶;张辉
【摘 要】随着国际金融市场的发展,多元化的金融工具和衍生工具在资本市场中得以运用和发展.上市公司作为自主经营、自负盈亏、自我发展的市场主体,面临着日益多变的市场环境,随时都要经受财务危机的考验.信用风险研究有助于对企业信用状况进行预测,动态了解企业发展的现状和未来的趋势,及时发现和解决企业财务管理中存在的问题,降低发生信用危机的概率,给投资者与信贷机构提供保障.本次研究选取我国深沪两市74家上市公司2013-2014年的财务报表数据,通过主成分分析降维,将17个财务指标浓缩为5个主成分因子,将5个主成分因子作为自变量建立回归模型.从上市公司的盈利能力、偿债能力、发展能力和营运能力四个角度,全面反映财务状况在企业信用中所起的作用.在选取变量、建立模型后,得到的整体预测水平较高,模型效果良好,可以将该模型运用于我国上市公司的信用风险预测,为投资者与信贷机构提供信用风险防范方面的帮助.
【期刊名称】《中国传媒大学学报（自然科学版）》
【年(卷),期】2016(023)004
【总页数】12页(P36-47)
【关键词】信用风险预警;财务风险;信用危机;主成分分析;logistic回归模型
【作 者】闫炳琪;赵月瑶;张辉 【作者单位】中国传媒大学理学院,北京100024;中国传媒大学理学院,北京100024;中国传媒大学理学院,北京100024
【正文语种】中 文
【中图分类】O213.9
面对国际竞争的日益加大和经济环境的复杂多变，企业所要面临的风险也随之增大。企业管理制度的缺陷，市场经济体制的不健全等因素都在影响着企业发生财务风险的几率，因高负债，盲目扩张，资金周转问题引发的财务风险也层出不穷。因此在我国上市公司建立信用风险评级系统非常重要。
市场竞争越来越激烈，而我国又有一些上市公司经营效率不高，危机意识不够敏感，导致其中一些企业财务状况没有及时得到改善，负债不断，企业信用持续受损。为此，中国证监会先后出台了多项风险预警机制，来给广大投资者与信贷银行提供信用评测标准。
Logistic模型在上市公司财务状况评价中的运用
Logistic模型在上市公司财务状况评价中的运用
作者：佚名 文章来源：不详 点击数：42 更新时间：2005-8-16
摘要：上市公司财务是否存在危机是一个十分重要的问题。在过去使用的线性判别分析模型中存在着其本身无法克服的两个问题。本文引入了带有二次项和交叉项的Logistic模型，解决了线性模型存在的问题，并能对财务危机进行很好的分类和预测。
关键词：财务失败；logistic模型；线性补偿
中图分类号：F224.0 文献标识码：A 文章编号：1008－4096（2002）01－0060－04
一、引言
上市公司是证券市场的基石，其行为的规范与否和财务状况的好坏将直接影响到证券市场的发展和投资者的利益。正是由于上市公司的财务状况的重要性，许多国外学者对上市公司财务失败作了许多研究，而国内在这方面的研究才刚刚起步。在近几年的文献中也有少数学者对上市公司财务失败问题进行研究，他们大多使用判别分析的方法建立线性判别函数，然后利用这个函数对财务状况进行研究。然而统性函数却具有其本身不能克服的两个问题：固定影响假设和完全线性补偿假设。正由于这两个缺陷使得模型的分类和预测能力有限。基于这一点本文中作者运用Logistic回归模型进行财务失败的研究。
二、变置和函数形式的选择
1．变量的选择
什么是财务失败？目前还没有严格的定义。因此大多数学者在研究财务经营失败建模时大多采用经验的方法选取变量，比如因子分析法、逐步回归方法等。 Karels Prakash（1987，p．576）给出了一张描述财务失败定义的表，在表中给出了一系列财务失败的标准，如不能支付到期债务、银行账户透支、净现值小于零等。许多国外学者多采用他的定义。在本文中作者采用Beaver（1966，P．71）的定义。他认为：只要一个公司不能支付到期债务，则该公司可认为财务失败。Beaver认为一个公司财务失败主要取决于下面几个因素：到期应支付债务额（FO）、公司现金流量（CF）、净资产利润率（NAP）、获得外部融资能力（POF）等四个因素。到期债务数量越小则财务失败的可能性越小。公司现金流量是反映一个公司偿还到期债务能力的一个重要指标，净资产利润是反映公司赢利能力的一个重要指标。我们知道，净利润率可以分解为销售净利润率和资产周转率的乘积，而资产周转率是反映公司资产管理能力的指标。净资产利润越大则公司的偿债能力越强，财务失败的可能性越小。所以净资产利润这个指标从赢利能力和资产管理两个方面反映了公司偿还债务的能力。
上市公司价值创造能力的二元选择Logit模型检验
安徽师范大学学报（人文社会科学版） ２０１３年第４１卷
Ｍｏｒｃｋ认为股权集中度和公司绩效之间存在非 线性关系［１引，吴红军等发现公司价值随其他大
股东制衡能力的增强呈现出先降后升的“Ｕ”型 形态口 “ ；赵景文等发现一股独大公司经营业
绩比股权制衡公司经营业绩要好，用股权制衡来 替代一股独大的经营思路在中国未必奏效［１ 。
从公司规模视角研究上市公司价值创造，陈 德萍Ｉ６］、林大庞、李亚静、陈晓红【ｌ 。 等认为
扩大企业规模可提高上市公司价值创造，公司规 模与公司价值创造显著正相关；Ｍｅｈｒａｎ［１ 、余
怒涛、周勤、鲁小东等认为，公司规模对公司价
值创造的影响关系不确定，可能是正相关、负相 关或非线性ｒ２ 肌 ；徐向艺口］、Ｍｏｒｃｋ［ 等认为，
公司规模与公司价值创造显著负相关。
现有文献大多把公司规模作为控制变量实证 分析其对公司价值创造的影响，缺乏深入分析背
后的根源及影响程度；大多回避了所有制性质对 公司价值创造能力的影响，并且缺乏对影响程度
的比较分析；研究股权制衡的文献较多，结合其 他因素对比分析影响程度的成果匮乏。本文把所
有制性质、股权制衡度和公司规模分别作为解释
变量，在单独讨论它们对上市公司价值创造能力 影响的基础上，通过建立二元选择Ｌｏｇｉｔ＿１ 。 模
型，逐步引入解释变量，不仅分析上市公司价值
创造能力的独立影响效果，而且根据概率水平变 化幅度进一步给出这些影响因素的具体影响程
度。最后，基于沪深交易所Ａ股上市公司的实 证，本文得到了稳健的实证结果。
一、理论假说与经验观察
（一）理论假说
． １．所有制性质对上市公司价值创造能力的
影响。国有企业主要包括国家单位、国有独资和 国有控股三种形式，国有企业的实际控制人往往
是政府官员，他们对国有企业和经济资源有着直 接的控制力，容易出现监督成本和监督收益严重
的不匹配 。国有企业的行政化因素使其有可
能以政治功利或行政目标来代替股东利益，使中
Logit模型在评估上市公司财务绩效中的应用研究
Logit模型在评估上市公司财务绩效中的应用研究
【摘要】 文章以48家ST企业和252家正常企业为研究样本，采用主成分分析将众多财务指标转化为反应企业财务绩效的几个关键主成分。实证分析中，以样本企业28个财务指标数据为基础，得到代表全部财务信息80%以上的12个主成分。进而利用Logit回归分析构建评估模型，整体准确率达到93%，能有效预测上市公司是否存在财务危机。
【关键词】 财务绩效；Logit模型；主成分分析；财务危机
一、引言
随着市场竞争的日趋激烈，形形色色的风险与危机导致企业的生存环境进一步恶化，全球陷入财务危机甚至破产的企业也日益增多，而一些关键财务指标的规律性变化能有效地揭示企业财务状况变化趋势，使得这种财务绩效预测研究对现代企业的健康持续发展有着巨大的参考意义。
企业财务危机预测研究始于20世纪60年代，Beaver（1966） 提出了单变量预测分析法进行财务危机预测研究。Altman（1968）首次利用多元判别分析法构建财务危机预测模型。第一个采用Logit模型对企业进行破产预测研究的是Ohlson（1980），他选择了1970至1976年在美国上市的105家破产公司和2 058家非破产公司作为研究样本，最后发现公司规模、资本结构、业绩和当前的融资能力等4个变量对公司破产概率的影响最为显著。由于Logit模型对样本数据不做任何概率分布的假定，在预测中得到了相当广泛的应用。
随着我国证券市场管理日益走向成熟，上市公司信息披露制度不断完善，财务数据研究更具可得性和真实性，越来越多的国内学者也逐渐开始进行相关研究。陈晓和陈治鸿（2000）采用Logit模型对38家ST和132家非ST上市公司进行研究，发现负债权益比、应收账款周转率、主营利润/总资产、留存收益/总资产等指标能显著预测企业财务绩效。吴世农和卢贤义（2001）通过对1998—2000年深沪的140家上市公司分别应用线性判别分析、多元线性回归分析和Logit回归分析进行综合研究，证实对同一样本而言Logit预测模型具有更高的可靠性。马九杰，郭宇辉，朱勇（2004）采用Logit模型进行我国县域中小企业贷款违约分析，证明财务状况特别是资本结构、资产周转状况、股权状况的影响尤为显著，另外，企业家个人特征、企业所在地域经济发展水平也有一定的影响。刘 ，罗慧（2004）选取ST公司和正常公司各73家作为样本，采用判别分析、Logitistic回归和神经网络三种方法进行对比分析，并结合其优点建立了优于每种单独方法的混合模型。
基于Logistic回归模型的农业上市公司投资价值评价研究
基于Logistic回归模型的农业上市公司投资价值评价研究
［摘要］本文从财务视角来分析上市公司的投资价值。应用独立双样本T检验和因子分析的方法筛选出财务比率指标,通过构建Logistic回归模型对农业上市公司的投资价值进行判断,为投资者提供一种投资价值判别方法。
［关键词］Logistic回归；上市公司；投资价值
上市公司投资价值是投资者关注的重点。随着我国证券市场的逐步成熟与监管机制的完善,股市投资也逐渐从投机向价值投资转型。价值投资是利用某一测度方法测定股票的“内在价值”,并与该股票的市场价格进行比较,进而决定对该股票的买卖策略。本文从具有投资价值的和不具有投资价值的农业上市公司财务比率指标中,应用独立双样本T检验和因子分析的方法筛选出具有显著性的财务比率指标,通过构建Logistic回归模型对农业上市公司的投资价值进行判断,从财务视角来分析上市公司的投资价值。
1样本采集
本文选取了40家农业上市公司2010—2012年报数据,其中20家表现较优的作为具有投资价值的公司,另20家表现较差的作为不具有投资价值的公司,总共40家样本公司。样本公司财务数据和比率数据来源于WIND资讯。
2指标选择
21初始指标
基于实际经验和其他人的理论研究成果［1］,本文从上市公司盈利能力、偿债能力、营运能力及成长能力四方面选取22项财务指标构建初始财务指标体系(表1)。
表1初始财务指标指标属性指标名称指标属性指标名称盈利能力
指标销售净利率X1
总资产净利率X2
流动资产净利率X3
固定资产净利率X4
权益净利率X5
息税前利润与资产比X6
资产报酬率X7偿债能
力指标流动比率X12
速冻比率X13
现金比率X14
资产负债率X15
产权比率X16
权益乘数X17
长期资本负债率X18营运能
力指标流动资产周转率X8
固定资产周转率X9
存货周转率X10
总资产周转率X11成长能
力指标总资产增长率X19
基于Logit模型上市公司财务危机预警实证研究
基于Ｌｏｇｉｔ模型上市公司财务危机预警实证研究
本文采取主成分分析方法，将主要因子提取出再运用Logit模型构建预测企业财务失败的模型，并把沪深两地证券市场的ST公司界定为“财务失败企业”，选取20家ST公司及与之相对应的20家非ST公司共40家企业作为研究样本，对上市公司财务失败的主成分预测模型进行实证检验。
标签： 上市公司 财务危机预警 主成分分析 Logit模型
企业的财务状况直接影响企业的整体运行，因此对财务困境的研究，尤其是对财务困境预警的研究就显得十分重要。特别是在我国金融体系、社会信用体系都很不完善的情况下，无疑极具现实意义。本文采用实证研究，根据证券市场的实际情况，运用主成分分析方法，构建企业财务失败预测模型——Logit模型，选取20家ST公司和20家非ST公司共40家企业作为研究样本。
一、财务危机预警模型的实证分析
1.研究样本
在本文的研究中,我们把上市公司中的ST公司界定为“财务失败”企业。截至2007年底，上市公司被分为31个行业。但由于某些行业的特殊性不存在ST公司（如银行类），因此本文从20个不同的行业随即选取20家ST公司，并按照同行业近似规模原则选取与这些ST公司相对应的非ST公司。
2.财务比率的选取
根据财务管理理论的观点，企业的财务状况主要取决于企业的盈利能力、偿债能力、营运能力和成长能力。根据我国的财务特点结合已有学者的研究，选取如下11个财务分析指标作为分析的指标：
净资产收益率、总资产报酬率、销售利润率、存货周转率、应收帐款周转率、总资产周转率、股东权益比率、流动比率、利润增长率、总资产增长率和资本积累率。为了分析上述财务比率能否有效区别ST公司与非ST公司，下面就40家样本企业分别对上述11个财务比率进行单变量T检验 ，最终选择的财务比率分别是：净资产收益率(X1)、总资产利润率(X2)、销售利润率(X3)、股东权益比率(X7)、流动比率(X8)、总资产增长率(X10)和资本积累率(X11)。